論文の概要: Visualizing Progress in Broadening Participation in Computing: The Value of Context
- arxiv url: http://arxiv.org/abs/2403.14708v1
- Date: Mon, 18 Mar 2024 01:12:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 21:31:40.898819
- Title: Visualizing Progress in Broadening Participation in Computing: The Value of Context
- Title(参考訳): コンピューティングにおける参加拡大の進展を可視化する:コンテキストの価値
- Authors: Valerie Barr, Carla E. Brodley, Manuel A. Pérez-Quiñones,
- Abstract要約: 米国内でのコンピューティングの表現に関する懸念は、参加を広げるために多くの活動を促している。
コンピューティングへの参加拡大に関する文献の多数は、性別や人種・民族に関するデータを報告し、学生の交叉アイデンティティに関するデータを省略している。
- 参考スコア(独自算出の注目度): 2.5749138817029835
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Concerns about representation in computing within the U.S. have driven numerous activities to broaden participation. Assessment of the impact of these efforts and, indeed, a clear assessment of the actual "problem" being addressed are limited by the nature of the most common data analysis which looks at the representation of each population as a percentage of the number of students graduating with a degree in computing. This use of a single metric cannot adequately assess the impact of broadening participation efforts. First, this approach fails to account for changing demographics of the undergraduate population in terms of overall numbers and relative proportion of the Federally designated gender, race, and ethnicity groupings. A second issue is that the majority of literature on broadening participation in computing (BPC) reports data on gender or on race/ethnicity, omitting data on students' intersectional identities. This leads to an incorrect understanding of both the data and the challenges we face as a field. In this paper we present several different approaches to tracking the impact of BPC efforts. We make three recommendations: 1) cohort-based analysis should be used to accurately show student engagement in computing; 2) the field as a whole needs to adopt the norm of always reporting intersectional data; 3) university demographic context matters when looking at how well a CS department is doing to broaden participation in computing, including longitudinal analysis of university demographic shifts that impact the local demographics of computing.
- Abstract(参考訳): 米国内でのコンピューティングの表現に関する懸念は、参加を広げるために多くの活動を促している。
これらの取り組みの影響の評価と、実際に対処されている「プロブレム」の明確な評価は、計算学の学位を持つ学生数の比率として各人口の表現を考察する最も一般的なデータ分析の性質によって制限されている。
この単一のメトリクスの使用は、参加活動の拡大の影響を適切に評価することはできない。
第一に、このアプローチは、連邦が指定した性別、人種、民族集団の総数と相対比率の点で、学部生の人口人口の変化を説明できない。
第二の問題は、コンピューティング(BPC)への参加の拡大に関する文献の大多数が、学生の交叉アイデンティティに関するデータを省略して、性別や人種、民族に関するデータを報告していることである。
これにより、データと私たちがフィールドとして直面している課題の両方を正しく理解できません。
本稿では,BPCの取り組みに対する影響を追跡するために,いくつかの異なるアプローチを提案する。
推奨事項は3つあります。
1)コホートに基づく分析は,コンピュータにおける学生のエンゲージメントを正確に示すために用いるべきである。
2 分野全体としては、常に交叉データを報告する基準を採用する必要がある。
3)大学人口統計学の文脈は、CS部門がコンピューティングへの参加を拡大するためにどれだけうまく行っているかを考える際に重要であり、その中には、コンピューティングの地域人口統計学に影響を及ぼす大学人口動態の経年変化の分析も含まれる。
関連論文リスト
- Balancing the Scales: Enhancing Fairness in Facial Expression Recognition with Latent Alignment [5.784550537553534]
このワークル平均は、表情認識システムにおけるバイアスを軽減するために、潜在空間に基づく表現学習を行う。
また、ディープラーニングモデルの公平性と全体的な正確性も向上する。
論文 参考訳(メタデータ) (2024-10-25T10:03:10Z) - Report on Female Participation in Informatics degrees in Europe [3.498239025413087]
本研究は,IEHE(Informatics Europe Higher Education)データポータルからのデータを豊かに活用することを目的としている。
本研究は,女子学生の割合,初入学者数,女子学生の学位数について検討した。
論文 参考訳(メタデータ) (2024-10-15T09:33:16Z) - GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing [72.0343083866144]
本稿では,GenderBias-emphVLベンチマークを用いて,大規模視覚言語モデルにおける職業関連性バイアスの評価を行う。
ベンチマークを用いて15のオープンソースLVLMと最先端の商用APIを広範囲に評価した。
既存のLVLMでは男女差が広くみられた。
論文 参考訳(メタデータ) (2024-06-30T05:55:15Z) - Leveraging Prototypical Representations for Mitigating Social Bias without Demographic Information [50.29934517930506]
DAFairは、言語モデルにおける社会的バイアスに対処する新しいアプローチである。
偏見を緩和するために、原型的人口統計テキストを活用し、微調整プロセス中に正規化用語を取り入れる。
論文 参考訳(メタデータ) (2024-03-14T15:58:36Z) - "It Can Relate to Real Lives": Attitudes and Expectations in Justice-Centered Data Structures & Algorithms for Non-Majors [12.812284290481916]
性別や人種の多様性を持つ中等教育の学生が、正義中心のデータ構造とアルゴリズムのコースをどう経験するかを検討する。
クラス全体では,自信の計算と帰属意識という,次のような態度が顕著に増加した。
黒、ラテックス、中東、北アフリカ、ネイティブアメリカン、太平洋諸島の学生は、白人やアジア人の学生と比べて大きな差はなかった。
論文 参考訳(メタデータ) (2023-12-19T21:56:24Z) - Simpson's Paradox and Lagging Progress in Completion Trends of
Underrepresented Students in Computer Science [0.09831489366502298]
コンピュータサイエンス(CS)コミュニティにとって、様々な背景を持つ学生の積極的な参加と成功を保証することが不可欠である。
この研究は、CSと他の研究分野を比較し、女性、黒人、ヒスパニック系、ラテン系の3つのグループから学生を成功させた。
データ駆動型アプローチを用いることで、CSの未表現グループにおける成功傾向が、他の分野に遅れを取っていることが示される。
論文 参考訳(メタデータ) (2023-11-25T01:00:23Z) - Evaluating and Incentivizing Diverse Data Contributions in Collaborative
Learning [89.21177894013225]
フェデレートされた学習モデルがうまく機能するためには、多様で代表的なデータセットを持つことが不可欠である。
データの多様性を定量化するために用いられる統計的基準と、使用するフェデレート学習アルゴリズムの選択が、結果の平衡に有意な影響を及ぼすことを示す。
我々はこれを活用して、データ収集者がグローバルな人口を代表するデータに貢献することを奨励する、シンプルな最適なフェデレーション学習機構を設計する。
論文 参考訳(メタデータ) (2023-06-08T23:38:25Z) - Fairness meets Cross-Domain Learning: a new perspective on Models and
Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。
いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。
本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文 参考訳(メタデータ) (2023-03-25T09:34:05Z) - Investigating Participation Mechanisms in EU Code Week [68.8204255655161]
デジタル・コンピテンス(デジタル・コンピテンス、Digital competence、DC)は、デジタル技術の信頼性、批判、利用のための幅広いスキル、態度、知識のセットである。
この写本の目的は、コード・ウィークのEU加盟国への参加に関する詳細な統計学的記述を提供することである。
論文 参考訳(メタデータ) (2022-05-29T19:16:03Z) - Towards Intersectionality in Machine Learning: Including More
Identities, Handling Underrepresentation, and Performing Evaluation [23.661509482014058]
交差性を複数の属性として組み込んだ場合、機械学習パイプラインの3段階に沿って発生する疑問に対処する。
我々は、どの属性ラベルをトレーニングするかを選択する際に、経験的検証でドメイン知識を補うことを提唱する。
規範的含意を考慮せずにデータ不均衡技術の使用を警告する。
論文 参考訳(メタデータ) (2022-05-10T01:00:52Z) - Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units
and a Unified Framework [83.21732533130846]
Aff-Wild と Aff-Wild2 の2つである。
これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。
インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
論文 参考訳(メタデータ) (2021-03-29T17:36:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。